دوره تنظیمات پیشرفته برای مسائل پیچیده در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مسائل پیچیده در Stan

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. مفاهیم پایه در Stan: متغیرها، انواع داده و عملگرها
• 3. ساختار کنترل برنامه: دستورات شرطی و حلقه‌ها در Stan
• 4. توابع در Stan: تعریف، فراخوانی و کاربردها
• 5. آرایه‌ها و ساختارها در Stan
• 6. مدیریت خطا و استثناء در Stan
• 7. کار با فایل‌ها در Stan: خواندن و نوشتن
• 8. مقدمه‌ای بر مدل‌سازی آماری در Stan
• 9. مفاهیم احتمال و توزیع‌های آماری
• 10. توزیع‌های پیشین و پسین در مدل‌سازی بیزی
• 11. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLMs)
• 12. پیاده‌سازی GLMs در Stan
• 13. مفاهیم مدل‌های سلسله‌مراتبی
• 14. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 15. مدل‌سازی سری‌های زمانی با Stan
• 16. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 17. الگوریتم‌های نمونه‌برداری در MCMC
• 18. ارزیابی همگرایی در MCMC
• 19. تنظیم پارامترهای نمونه‌برداری در Stan
• 20. کار با داده‌های پرت و نامعلوم در مدل‌سازی
• 21. اعتبارسنجی مدل با استفاده از داده‌های شبیه‌سازی شده
• 22. تکنیک‌های بهینه‌سازی در Stan
• 23. بهینه‌سازی بیزی با Stan
• 24. مقدمه‌ای بر مدل‌های استنباطی
• 25. مدل‌سازی رگرسیون لجستیک با Stan
• 26. مدل‌سازی رگرسیون پواسون با Stan
• 27. مدل‌سازی رگرسیون خطی با Stan
• 28. مدل‌سازی اثرات ثابت و تصادفی
• 29. مدل‌سازی داده‌های طولی در Stan
• 30. مدل‌سازی فضایی با Stan
• 31. مقدمه‌ای بر مدل‌های شبکه‌ای
• 32. پیاده‌سازی مدل‌های شبکه‌ای در Stan
• 33. مدل‌سازی با استفاده از توزیع‌های شرطی
• 34. کار با داده‌های خوشه‌ای در Stan
• 35. مدل‌سازی با استفاده از توزیع‌های ترکیبی
• 36. مقدمه‌ای بر مدل‌های پنهان مارکوف
• 37. پیاده‌سازی مدل‌های پنهان مارکوف در Stan
• 38. مدل‌سازی با استفاده از توزیع‌های گوسی چندمتغیره
• 39. کار با داده‌های با ابعاد بالا در Stan
• 40. مقدمه‌ای بر استنباط علی
• 41. پیاده‌سازی استنباط علی با Stan
• 42. مدل‌سازی با استفاده از معادلات ساختاری (SEM)
• 43. مقدمه‌ای بر مدل‌های گرافیکی
• 44. پیاده‌سازی مدل‌های گرافیکی در Stan
• 45. کار با داده‌های غیرنرمال در Stan
• 46. مقدمه‌ای بر یادگیری ماشین بیزی
• 47. پیاده‌سازی الگوریتم‌های یادگیری ماشین با Stan
• 48. مدل‌سازی با استفاده از شبکه‌های عصبی بیزی
• 49. مقدمه‌ای بر پردازش زبان طبیعی بیزی
• 50. پیاده‌سازی مدل‌های NLP با Stan
• 51. مدل‌سازی با استفاده از توزیع‌های بتا-دوجمله‌ای
• 52. کار با داده‌های طبقه‌بندی شده در Stan
• 53. مقدمه‌ای بر مدل‌های بقا
• 54. پیاده‌سازی مدل‌های بقا با Stan
• 55. مدل‌سازی با استفاده از توزیع‌های گاما
• 56. کار با داده‌های فاصله‌ای در Stan
• 57. مقدمه‌ای بر مدل‌های رتبه‌بندی
• 58. پیاده‌سازی مدل‌های رتبه‌بندی با Stan
• 59. مدل‌سازی با استفاده از توزیع‌های بتا
• 60. کار با داده‌های ترتیبی در Stan
• 61. مقدمه‌ای بر مدل‌های انتخاب گسسته
• 62. پیاده‌سازی مدل‌های انتخاب گسسته با Stan
• 63. مدل‌سازی با استفاده از توزیع‌های برنولی
• 64. کار با داده‌های دوگانه در Stan
• 65. مقدمه‌ای بر مدل‌های سری زمانی غیرخطی
• 66. پیاده‌سازی مدل‌های سری زمانی غیرخطی با Stan
• 67. مدل‌سازی با استفاده از توزیع‌های نمایی
• 68. کار با داده‌های زمان رویداد در Stan
• 69. مقدمه‌ای بر مدل‌های بیزی سلسله‌مراتبی چندسطحی
• 70. پیاده‌سازی مدل‌های بیزی سلسله‌مراتبی با Stan
• 71. مدل‌سازی با استفاده از توزیع‌های لوژستیک
• 72. کار با داده‌های پیوسته در Stan
• 73. مقدمه‌ای بر مدل‌های بیزی فضایی-زمانی
• 74. پیاده‌سازی مدل‌های بیزی فضایی-زمانی با Stan
• 75. مدل‌سازی با استفاده از توزیع‌های کای-دو
• 76. کار با داده‌های آماری در Stan
• 77. مقدمه‌ای بر مدل‌های بیزی برای داده‌های ترکیبی
• 78. پیاده‌سازی مدل‌های بیزی برای داده‌های ترکیبی با Stan
• 79. مدل‌سازی با استفاده از توزیع‌های t استیودنت
• 80. کار با داده‌های آماری پویا در Stan
• 81. مقدمه‌ای بر مدل‌های بیزی برای داده‌های غیرنرمال تعمیم‌یافته
• 82. پیاده‌سازی مدل‌های بیزی برای داده‌های غیرنرمال تعمیم‌یافته با Stan
• 83. مدل‌سازی با استفاده از توزیع‌های نرمال معکوس گاما
• 84. کار با داده‌های آماری پیچیده در Stan
• 85. مقدمه‌ای بر مدل‌های بیزی برای داده‌های پرت و نامعلوم
• 86. پیاده‌سازی مدل‌های بیزی برای داده‌های پرت و نامعلوم با Stan
• 87. مدل‌سازی با استفاده از توزیع‌های توزیع‌های بیزی
• 88. کار با داده‌های آماری در حوزه‌های مختلف
• 89. مقدمه‌ای بر بهینه‌سازی مدل‌های بیزی
• 90. پیاده‌سازی بهینه‌سازی مدل‌های بیزی با Stan
• 91. مدل‌سازی با استفاده از توزیع‌های پیشین غیراطلاعاتی
• 92. کار با داده‌های آماری در پروژه‌های تحقیقاتی
• 93. مقدمه‌ای بر مدل‌های بیزی برای داده‌های ساختاریافته
• 94. پیاده‌سازی مدل‌های بیزی برای داده‌های ساختاریافته با Stan
• 95. مدل‌سازی با استفاده از توزیع‌های پیشین اطلاعاتی
• 96. کار با داده‌های آماری در کاربردهای عملی
• 97. مقدمه‌ای بر مدل‌های بیزی برای داده‌های غیرساختاریافته
• 98. پیاده‌سازی مدل‌های بیزی برای داده‌های غیرساختاریافته با Stan
• 99. مدل‌سازی با استفاده از توزیع‌های پیشین ترکیبی
• 100. کار با داده‌های آماری در تحلیل‌های آماری پیشرفته